人工智能在数字化技术中可以用在哪里?怎么落地?


    来啦,请坐。
    我是老杨。如果你有强化管理能力,量化技术产出,提升技术效能,打造技术团队等需求,那么这套课程会为你揭开技术管理的神秘面纱,可以让“妈妈再也不用担心你的工作了”。
    这是《数字化技术管理的方法和实践》第十二讲,技术创新的尝试二,人工智能应用。
    一句话解释下:让技术产生价值,除了大数据方面的创新之外,人工智能创新也是一大块,当然两者有相辅相成的感觉。
    好,我主动点,直接来回答细心同学的问题“为什么技术管理要讲人工智能”,创新就是技术人员的命,技术就是要与时俱进,没办法,谁让你选择技术这个行当了,既来之则安之吧。
    要彰显技术的价值,要化被动为主动,第一种方法是大数据的应用,另一种方法就是人工智能的应用了,人工智能近几年的发展也是呈井喷之势,BAT三个高富帅自然是不会对人工智能这个香饽饽坐视不管的,其中B呢比较浪漫,走的是先技术后场景的思路,网罗了世界顶尖的人工智能人才,基本上形成了自己的人工智能生态。A呢比较实际,主要把人工智能应用于电商、物流等零售服务,为业务赋能,但随着人工智能行业的明朗化,A也学的浪漫起来,开始启动NASA计划,又成立达摩院,也是高调的宣布要与人工智能进行一次浪漫的烛光晚餐了。T呢不紧不慢,主要聚焦在人才储备,算力,算法上。当然还有一些试图逆袭的有为青年,如语音识别的小飞,计算机视觉的小商和小旷,以及智适应教育的小松鼠等,百花齐放,此处不得不感慨一番,要想追上人工智能的脚步,的确得有两把刷子。
    那人工智能具体用在哪里?怎么落地?接下来听我慢慢道来吧。
    我发现人工智能的价值主要体现在智能化产品的层面,一方面是体验上,增加各种交互的手段,让产品越来越好玩越来越方便;一方面是情感上,让产品越来越懂用户。
    这么说似乎有点小小的抽象,那么直接让翠花上干货吧——人工智能的产品架构图,告诉你该构建什么产品层次、产品模块以及提供什么人工智能的服务,走着。
    
    从上往下分为三层:场景层、服务层、技术层、基础层。
    1.最上层是指人工智能的应用场景,其中一部分就是在产品交互上增加诸多丰富的方式,如语音、图像等等,比较熟悉的商品搜索这一块就有很多的使用,越来越多的人不用输入文字去找商品,而是用语音或者一张图片去找;另外一部分就是猜到用户想买什么,如推荐的看了还看、买了还买、可能感兴趣的东东等等。说白了就是让用户止不住的买买买。
    2.第二层是指产品服务层面,把人工智能的一些概念、理论包装成产品落地,如交互方式的服务、推荐的服务、搜索的服务等,供各种主产品的场景使用。
    3.第三层是指技术层面,人工智能的技术比较多,不同的技术领域侧重点也不同,应用点也不同,如语音识别、计算机视觉可以提供更多的交互方式,自然语言处理、机器学习、深度学习等可以提供推荐、搜索等个性化服务。
    4.最下层是人工智能的基础层,至关重要,人工智能之所以能够有快速的发展和落地,全依赖算力、存储的发展,在强大的算力和存储的支撑下,数据才有可能积累并计算起来,人工智能才能得以验证,并落地使用。
    那么产品架构清楚了,还是要落地到技术上去实现,接下来进入技术架构图吧,告诉你该怎么去实现,该搭建什么样的架构,该使用什么技术平台,再来。
    
    从上往下分为六层:应用层、技术服务层、算法层、数据计算层、数据存储层和基础设施层,最好的架构图就是架构图本身就是解释,不需要再赘述什么东西,说三点:
    1.下面三层是通用的大数据平台架构,主要负责数据的采集、存储、计算、分析等等,供人工智能的一系列算法模型使用。
    2.上面两层是通用的互联网平台架构,主要负责把人工智能的服务落地给产品场景使用。
    3.中间这一层,是人工智能的核心,很多开源的框架让这一层也逐渐的简易化,也给落地提供了更多的便捷性,如机器学习的框架SK learn可以轻松完成分类、聚类等等事情;深度学习的Keras,可以轻松构建神经网络,当然它们都可以跑在Tensorflow上。
    好,到此人工智能部分告一段落了。最后,还是要明确一点,人工智能现在还绝大部分处于弱人工智能的领域,但已经有点sexy了。整体上离强人工智能还有很远的距离,强人工智能除了技术基础的发展之外,还要有理论上的大突破,到那时或许真的会出现类人脑或者超人脑的思考机器,拭目以待吧。
    And that brings us to the end of this part. Util next time…I am 老杨.